一种基于DM分解的测点优选方法专利检索-关联性分析人工智能专利检索查询-专利查询网

一种基于DM分解的测点优选方法

阅读：1014发布：2021-01-03

专利汇可以提供一种基于DM分解的测点优选方法专利检索，专利查询，专利分析的服务。并且一种基于DM分解的测点优选方法，其步骤如下:一、对目标系统建模，获得系统状态方程组；二、将系统状态方程组转化为二分图，中顶点对应状态方程和状态变量，二分图中边对应状态方程含有状态变量；三、求解实现系统故障可探测性的传感器集合；四、求解实现系统故障可隔离性的传感器集合；通过以上步骤，能够解决和实现在带诊断系统中安置最少的传感器最大化该系统故障诊断能力的问题，它能够用流程化方式解决故障诊断中传感器设置的问题，并通过将系统分解为较小子系统的方式，降低算法复杂度，更快求解问题。，下面是一种基于DM分解的测点优选方法专利的具体信息内容。

权利要求

1.一种基于DM分解的测点优选方法，其特征在于：其步骤如下:
步骤一、对目标系统建模，获得系统状态方程组；
步骤二、将系统状态方程组转化为二分图，中顶点对应状态方程和状态变量，二分图中边对应状态方程含有状态变量；
步骤三、求解实现系统故障可探测性的传感器集合：
1)对二分图进行DM分解，得到强连通分量以及其中的偏序关系；
2)根据偏序关系求解可探测故障fi的传感器集合D[fi]，i＝1...n，系统中共有n个故障；
3)求集合D[f1],D[f2]...,D[fn]的碰集，为系统故障可探测性求解结果；
步骤四、求解实现系统故障可隔离性的传感器集合：
1)根据强连通分量和其间的偏序关系构建子系统；
2)对于每个子系统计算实现故障隔离性的传感器集合I[Mi]；
3)整合I[M1],I[M2],...,I[Mk]，子系统数目为k个中结果，为系统故障可隔离性求解结果；
通过以上步骤，实现和解决了在带诊断系统中安置最少的传感器最大化该系统故障诊断能力的问题。
2.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤一中所述的“对目标系统建模”，其建模的作法如下：使用在故障诊断中常用的键合图方法，根据能量转换将系统中部件抽象为储能元件、耗能元件和功能元件，并用能量键连接构成键合图，从中能够直接得到系统的状态方程。
3.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤二中所述的“将系统状态方程组转化为二分图”，其作法如下：二分图中一组点对应方程，一组点对应状态变量，当方程含有变量时，对应点间有一条边存在。
4.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤三中所述的“对二分图进行DM分解”，其作法如下：使用图论中分析图中关联性的DM分解算法，得到图中强连通变量和其间的偏序关系。
5.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤三中所述的“求解可探测故障fi的传感器集合D[fi]”，其作法如下：DM分解后，故障fi所在的强连通变量为Vi，找到所有和Vi有偏序关系的强连通变量，这些强连通变量中含有的代表系统状态变量的点，构成D[fi]。
6.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤三中所述的“求集合D[f1],D[f2]...,D[fn]的碰集”，其做法如下：使用任意一种常用碰集求解算法即可。
7.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤四中所述的“根据强连通分量和其间的偏序关系构建子系统”，其做法如下：根据DM分解的结果对系统进行分割建立子系统，对于任一强连通分量Vi均构建一个子系统，如果有偏序关系Vi＜Vj，则将Vj转化为其中的一个公式，该公式是否有故障视Vj中是否有故障而定，如果有偏序关系Vj＜Vi，则将Vj转化为其中的一个不带有故障的公式。
对于每个子系统计算实现故障隔离性的传感器集合I[Mi]。
8.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤四中所述的“计算实现故障隔离性的传感器集合I[Mi]”，其做法如下：针对系统中的每个故障，通过删除该故障所在的方程，构建一个新的模型计算其故障探测性集合，得到结构后，求解这些集合的碰集。
9.根据权利要求1所述的一种基于DM分解的测点优选方法，其特征在于：在步骤四中所述的“整合I[M1],I[M2],...,I[Mk]，子系统数目为k个中结果”，其做法如下：为求I[M1],I[M2],...,I[Mk]的并集。

说明书全文

一种基于DM分解的测点优选方法

技术领域

[0001] 本发明提供一种基于DM分解的测点优选方法，属于故障诊断与检测领域。

背景技术

[0002] 基于模型的故障诊断过程包含三个步骤：观测、比较和诊断。这种方法建立系统的模型来预测系统状态，在此基础上通过比较系统观测状态与预测状态从而确定系统中出现的故障。其中，为实现对系统的观测，需要在系统中安置传感器来进行状态变量的测量。考虑到传感器的安装难度以及其本身可能出现问题，研究如何选择测点设置传感器是非常必要的。测点优选的目的，就是以最小的传感器集合，实现系统的完全诊断能力。系统的完全诊断能力是说所有在建模时假设的故障能被发现并隔离。对于任何一个传感器设置问题，都能被分解为两个问题(a)故障模型或系统因果效应的预测，即产生一个在故障发生时，数值会变化的参数集合；(b)基于多种准则，使用产生的集合来确定传感器位置，例如可观测性，解决性，可靠性等。

[0003] 基于分析方式的不同发展出了不同的传感器设置算法：基于有向图(Directed Graph，DG)、基于带符号有向图(Signed Directed Graph，SDG)、基于可靠性准则、基于DM(Dulmage-Mendelsohn)分解、基于A*搜索等等。其中，基于DM分解的传感器设置算法是2008年由Krysander M提出的一种有效算法。这种算法在系统状态方程的基础上，通过DM分解对系统状态方程进行分析，从而得到能够实现系统最大诊断能力的系统传感器集合。其中，DM分解算法是1958年由A.L.Dulmage和Nathan Mendelsohn提出的一种在图论中使用的算法，能够按照一定规律将二分图中的顶点分割为不同的集合，并且不同集合之间满足一定的偏序关系。

发明内容

[0004] 发明目的

[0005] 本发明的目的是提供一种基于DM分解的测点优选方法,它针对某特定系统，为实现基于模型的故障诊断，找到一个最小的传感器集合，最大化实现系统的诊断能力。

[0006] 技术方案

[0007] 本发明一种基于DM分解的测点优选方法，其步骤如下:

[0008] 步骤一、对目标系统建模，获得系统状态方程组；

[0009] 步骤二、将系统状态方程组转化为二分图，中顶点对应状态方程和状态变量，二分图中边对应状态方程含有状态变量；

[0010] 步骤三、求解实现系统故障可探测性的传感器集合：

[0011] 1)对二分图进行DM分解，得到强连通分量以及其中的偏序关系；

[0012] 2)根据偏序关系求解可探测故障fi的传感器集合D[fi]，i＝1...n(系统中共有n个故障)；

[0013] 3)求集合D[f1],D[f2]...,D[fn]的碰集，为系统故障可探测性求解结果；

[0014] 步骤四、求解实现系统故障可隔离性的传感器集合：

[0015] 1)根据强连通分量和其间的偏序关系构建子系统；

[0016] 2)对于每个子系统计算实现故障隔离性的传感器集合I[Mi]；

[0017] 3)整合I[M1],I[M2],...,I[Mk](子系统数目为k个)中结果，为系统故障可隔离性[0018] 求解结果。

[0019] 其中，在步骤一中所述的“对目标系统建模”，其建模的作法如下：使用在故障诊断中常用的键合图方法，根据能量转换将系统中部件抽象为储能元件、耗能元件，功能元件等，并用能量键连接构成键合图，从中能够直接得到系统的状态方程。

[0020] 其中，在步骤二中所述的“将系统状态方程组转化为二分图”，其作法如下：二分图中一组点对应方程，一组点对应状态变量，当方程含有变量时，对应点间有一条边存在。

[0021] 其中，在步骤三中所述的“对二分图进行DM分解”，其作法如下：使用图论中分析图中关联性的DM分解算法，得到图中强连通变量和其间的偏序关系。

[0022] 其中，在步骤三中所述的“求解可探测故障fi的传感器集合D[fi]”，其作法如下：DM分解后，故障fi所在的强连通变量为Vi，找到所有和Vi有偏序关系的强连通变量，这些强连通变量中含有的代表系统状态变量的点，构成D[fi]。

[0023] 其中，在步骤三中所述的“求集合D[f1],D[f2]...,D[fn]的碰集”，其做法如下：使用任意一种常用碰集求解算法即可。

[0024] 其中，在步骤四中所述的“根据强连通分量和其间的偏序关系构建子系统”，其做法如下：根据DM分解的结果对系统进行分割建立子系统，对于任一强连通分量Vi均构建一个子系统，如果有偏序关系Vi＜Vj，则将Vj转化为其中的一个公式，该公式是否有故障视Vj中是否有故障而定，如果有偏序关系Vj＜Vi，则将Vj转化为其中的一个不带有故障的公式。

[0025] 其中，在步骤四中所述的“计算实现故障隔离性的传感器集合I[Mi]”，其做法如下：针对系统中的每个故障，通过删除该故障所在的方程，构建一个新的模型计算其故障探测性集合，得到结构后，求解这些集合的碰集。

[0026] 其中，在步骤四中所述的“整合I[M1],I[M2],...,I[Mk](子系统数目为k个)中结果”，其做法如下：为求I[M1],I[M2],...,I[Mk]的并集。

[0027] 通过以上步骤，能够解决和实现在带诊断系统中安置最少的传感器最大化该系统故障诊断能力的问题。

[0028] 发明优点

[0029] 本发明的优点是能够用流程化方式解决故障诊断中传感器设置的问题；

[0030] 能够通过将系统分解为较小子系统的方式，降低算法复杂度，更快求解问题。附图说明

[0031] 图1四水箱模型。

[0032] 图2系统二分图矩阵。

[0033] 图3 DM分解后系统二分图矩阵。

[0034] 图4系统子系统(一)。

[0035] 图5系统子系统(二)。

[0036] 图6本发明所述方法流程图。

[0037] 代号说明

[0038] Sf1 流量源

[0039] Ci 能量存储元件参数

[0040] Ri 能量消耗元件参数

[0041] qi 流量

[0042] pi 压强

[0043] Ei 方程

[0044] fi 故障

具体实施方式

[0045] 方法实施对象为一水箱模型，假设四个水箱内的压强p1、p2、p3、p4；从每个水箱中经管道流出的流量大小q1、q2、q3、q4。见图1所示。

[0046] 本发明一种基于DM分解的测点优选方法，见图6所示，其步骤如下:

[0047] 步骤一、对目标系统建模，获得系统状态方程组；

[0048] 步骤二、将系统状态方程组转化为二分图，中顶点对应状态方程和状态变量，二分图中边对应状态方程含有状态变量；

[0049] 步骤三、求解实现系统故障可探测性的传感器集合

[0050] 4)对二分图进行DM分解，得到强连通分量以及其中的偏序关系；

[0051] 5)根据偏序关系求解可探测故障fi的传感器集合D[fi]，i＝1...n(系统中共有n个故障)；

[0052] 6)求集合D[f1],D[f2]...,D[fn]的碰集，为系统故障可探测性求解结果步骤四、求解实现系统故障可隔离性的传感器集合

[0053] 4)根据强连通分量和其间的偏序关系构建子系统；

[0054] 5)对于每个子系统计算实现故障隔离性的传感器集合I[Mi]；

[0055] 6)求集合I[M1],I[M2],...,I[Mk](子系统数目为k个)的并集，为系统故障可隔离性求解结果。

[0056] 其中，在步骤一中所述的“对目标系统建模”，其建模的作法如下：使用在故障诊断中常用的键合图方法，根据能量转换将系统中部件抽象为储能元件、耗能元件，功能元件等，并用能量键连接构成键合图。从中能够直接得到系统的状态方程。图1系统对应状态方程如下：

[0057]

[0058]

[0059]

[0060]

[0061] 其中，在步骤二中所述的“将系统状态方程组转化为二分图”，其作法如下：二分图中一组点对应方程，一组点对应状态变量，当方程含有变量时，对应点间有一条边存在。为方便理解，将二分图以矩阵形式表示，见图2所示。其中行代表公式，列代表变量，空白方格表示二分矩阵在该处值为0，对应公式不含对应变量，斜线方格表示二分矩阵在该处值为1，对应公式含有对应变量。其中除方程3、6、9、12以外，其他方程都有可能由于参数变化引入故障，用符号表示为F＝{f1,f2,f3,f4,f5,f6,f7,f8}对应参数C1～C4,R1～R4。

[0062] 其中，在步骤三中所述的“对二分图进行DM分解”，其作法如下：使用图论中分析图中关联性的DM分解算法，得到图中强连通变量和其间的偏序关系，见图3所示。

[0063] 其中，在步骤三中所述的“求解可探测故障fi的传感器集合D[fi]”，其作法如下：DM分解后，故障fi所在的强连通变量为Vi，找到所有和Vi有偏序关系的强连通变量，这些强连通变量中含有的代表系统状态变量的点，构成D[fi]。结果如下：

[0064] D[f1]＝{q1,p1,q3,p3,q4,p4} D[f5]＝{q1,p1,q3,p3,q4,p4}

[0065] D[f2]＝{q2,p2,q3,p3,q4,p4} D[f6]＝{q2,p2,q3,p3,q4,p4}

[0066] D[f3]＝{q3,p3,q4,p4} D[f7]＝{q3,p3,q4,p4}

[0067] D[f4]＝{q3,p3,q4,p4} D[f8]＝{q3,p3,q4,p4}

[0068] 其中，在步骤三中所述的“求集合D[f1],D[f2]...,D[fn]的碰集”，其做法如下：使用任意一种常用碰集求解算法即可。对上述8个集合的的碰集，为系统故障可探测性求解结果{q3}、{q4}、{p3}、{p4}。

[0069] 其中，在步骤四中所述的“构建子系统”，其做法如下：根据DM分解的结果对系统进行分割建立子系统，对于任一强连通分量Vi均构建一个子系统，如果有偏序关系Vi＜Vj，则将Vj转化为其中的一个公式，该公式是否有故障视Vj中是否有故障而定，如果有偏序关系Vj＜Vi，则将Vj转化为其中的一个不带有故障的公式。强连通分量b1会被b2和b3影响，分别经由位置(1,7)和(4,10)上的元素。所以对于b1而言，b2和b3可以被视为两个能量源，并且由于故障集合{f1,f2,f5,f6}中的故障，这两个能量源会为b1带来故障，将b2和b3中的故障分别抽象为故障f9和f10。此外，由于添加传感器集合{q3}实现故障的可探测性，表现为一个含有故障的新公式。由此构建的子系统见图4所示。强连通分量b2和b3类似，以b2为例，构建子系统时，考虑强连通分量间的相互影响关系，将b1简化为一个新的公式E15引入，见图5所示。

[0070] 其中，在步骤四中所述的“计算实现故障隔离性的传感器集合I[Mi]”，其做法如下：针对系统中的每个故障，通过删除该故障所在的方程，构建一个新的模型计算其故障探测性集合，得到结构后，求解这些集合的碰集。以b1对应子系统为例，针对系统中的每个故障，通过删除该故障所在的方程，构建一个新的模型计算其故障探测性集合，得到结构后，求解这些集合的碰集，即可实现系统的故障隔离性，结果为{q3,q4}。另两个子系统的隔离性结果分别为{p1}和{p2}。

[0071] 其中，在步骤四中所述的“整合I[M1],I[M2],...,I[Mk](子系统数目为k个)中结果”，其做法如下：求集合{q3,q4}、{p1}、{p2}的并集，最终结果为{q3,q4,p1,p2}。

[0072] 通过以上步骤，能够解决和实现在带诊断系统中安置最少的传感器最大化该系统故障诊断能力的问题。

标题	发布/更新时间	阅读量
一种工地安全调度监管方法及系统	2020-05-08	996
一种非侵入式负荷分解方法及系统	2020-05-08	423
数据降维方法、画像构建方法及系统、可读存储介质	2020-05-12	57
基于便携终端信息的险态驾驶场景辨识系统及其辨识方法	2020-05-11	533
一种可持续性和智能化养猪方法	2020-05-11	748
一种基于Pufferfish框架的针对关联分类数据序列的隐私保护方法	2020-05-13	480
基于Apriori支持度与行驶距离加权计算交叉口间关联程度的方法	2020-05-12	849
一种用于企业风控分析的网络管理系统及其控制方法	2020-05-12	782
一种配电网接纳分布式电源能力评估方法和装置	2020-05-11	143
一种输电网结构形态评估方法	2020-05-13	477

一种基于DM分解的测点优选方法

一种基于DM分解的测点优选方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：